基于矩阵恢复的OFDM信道估计方法

doi:10.3969/j.issn.1006-2475.2024.05.001

摘要/Abstract

摘要： 摘要：正交频分复用（Orthogonal Frequency Division Multiplexing， OFDM）中至关重要的一项技术是信道估计，本文提出一种基于矩阵恢复的OFDM信道估计方法，将连续多个OFDM信号的频域信道构造成一个信道矩阵，由于这个信道矩阵是低秩的，所以可以将信道估计问题转换为信道矩阵的加权截断核范数最小化问题，并使用改进的奇异值阈值（Singular Value Thresholding， SVT）算法对信道矩阵进行恢复。仿真结果表明，本文提出的方法和传统信道估计算法相比，使用相同导频数可以获得更高的估计精度，在获得相同估计精度时，消耗导频数更少。与基于压缩感知的信道估计方法相比，本文方法消耗相同数量的导频，但可直接获得高精度的OFDM信道的频域估计。

关键词: 正交频分复用, 信道估计, 矩阵恢复, 奇异值阈值算法

Abstract: Abstract： Orthogonal frequency division multiplexing （OFDM） is a crucial technology in channel estimation， this paper proposes an OFDM channel estimation method based on matrix recovery， multiple consecutive OFDM signal in the frequency domain channel is constructed to a channel matrix. Since this channel matrix is low rank， the channel estimation problem can be converted to the weighted truncated kernel norm minimization problem of the channel matrix and the improved Singular Value Thresholding algorithm is used for recovery. The simulation results show that compared with the traditional channel estimation algorithm， the proposed method can use fewer pilot signals when the same precision channel estimation is obtained. Compared with the channel estimation method based on compressed sensing， the proposed method consumes the same amount of pilot frequency but can directly obtain high precision frequency domain estimation of OFDM channel.

Key words: Key words： OFDM, channel estimation, matrix recovery, singular threshold algorithm

中图分类号:

TN929.5

张晶晶, 黄学军. 基于矩阵恢复的OFDM信道估计方法[J]. 计算机与现代化, 2024, 0(05): 1-4.

ZHANG Jingjing, HUANG Xuejun. OFDM Channel Estimation Based on Matrix Recovery[J]. Computer and Modernization, 2024, 0(05): 1-4.

参考文献

［1］程翰林. 无线通信新技术——OFDM的发展与应用［J］. 中小企业管理与科技（中旬刊）， 2017（2）：175-176.
［2］ QI C H， YUE G S， WU L N， et al. Pilot design schemes for sparse channel estimation in OFDM systems［J］. IEEE Transactions on Vehicular Technology， 2015，64（4）：1493-1505.
［3］何雪云，宋荣方，周克琴. 基于压缩感知的OFDM稀疏信道估计导频图案设计［J］. 南京邮电大学学报（自然科学版）， 2011，31（5）：7-11.
［4］ JIN G， HU Y J. A novel channel estimation based on pilot-aided in LTE downlink systems［C］// 2014 7th International Symposium on Computational Intelligence and Design. IEEE， 2014. DOI： 10.1109/ISCID.2014.102.
［5］刘勇. 多径衰落信道中OFDM系统预均衡技术的研究［D］. 重庆：重庆邮电大学， 2019.
［6］ FARZAMNIA A， HLAING N W， HALDAR M K， et al. Channel estimation for sparse channel OFDM systems using least square and minimum mean square error techniques［C］// 2017 International Conference on Engineering and Technology（ICET）. IEEE， 2017.DOI： 10.1109/ICEngTechnol.2017.8308193.
［7］刘昊，徐志康，周春花. OFDM 系统的信道估计技术讨论［J］. 中国新通信， 2019，21（23）：64.
［8］李贵勇，吕京昭，陈博，等. 基于压缩感知的OFDM系统信道估计方法［J］. 光通信研究， 2022（1）：52-57.
［9］ DONOHO D L. Compressed sensing［J］. IEEE Transactions on Information Theory， 2006，52（4）：1289-1306.
［10］何雪云，宋荣方，周克琴. 基于压缩感知的OFDM系统稀疏信道估计新方法研究［J］. 南京邮电大学学报（自然科学版）， 2010，30（2）：60-65.
［11］ NEEDELL D， VERSHYNIN R. Signal recovery from incomplete and inaccurate measurements via regularized orthogonal matching pursuit［J］. IEEE Journal of Selected Topics in Signal Processing， 2010，4（2）：310-316.
［12］肖沈阳，金志刚，苏毅珊.等. 一种优化的gOMP稀疏OFDM信道估计方法［J］. 工程科学与技术， 2017，49（5）：149-155.
［13］ WANG R， CAI J Y， YU X， et al. Compressive channel estimation for universal filtered multi-carrier system in high-speed scenarios［J］. IET Communications， 2017，11（15）：2274-2281.
［14］ MEI L D， GAO F， PAN H Y， et al. An improved ROMP sparse channel estimation algorithm in OFDM system［C］// 2015 IEEE International Conference on Signal Processing. IEEE， 2015. DOI： 10.1109/ICSPCC.2015.7338796.
［15］ CAI J F， CANDES E J， SHEN Z. A singular value thresholding algorithm for matrix completion［J］. SIAM Journal on Optimization， 2010，20（4）：1956-1982.
［16］李姣军，蒋扬，邱天，等. 基于压缩感知的OFDM稀疏信道估计算法［J］. 重庆理工大学学报（自然科学）， 2021，35（4）：117-122.
［17］ RAGHAVENDRA M R， GIRIDHAR K. Improving channel estimation in OFDM systems for sparse multipath channels［J］. Signal Processing Letters， 2005，12（1）：52-55.
［18］彭义刚，索津莉，戴琼海，等. 从压缩传感到低秩矩阵恢复：理论与应用［J］. 自动化学报， 2013，39（7）：981-994.
［19］张茜雯，王金平. 加权最小化问题中限制等距性的研究［J］. 宁波大学学报（理工版）， 2021，34（5）：39-42.
［20］张晓波. 基于有限等距性质的压缩感知重建算法性能研究［D］. 北京：北京邮电大学， 2019.
［21］ CHANDRASEKARAN V， SANGHAVI S， PARRILO P A， et al. Rank-sparsity incoherence for matrix decomposition［J］. SIAM Journal on Optimization， 2009，21（2）：572-596.
［22］ NATARAJAN B K. Sparse approximate solutions to linear systems［J］. SIAM Journal on Computing， 1995，24（2）：227-234.
［23］蔡云，石莹. 基于矩阵RIP条件的低秩矩阵恢复算法［J］. 科技风， 2019（30）：239.
［24］ CANDES E， RECHT B. Exact matrix completion via convex optimization［J］. Communications of the ACM， 2012，55（6）：111-119.
［25］ RECHT B， FAZEL M， PARRILO P A. Guaranteed minimum-rank solutions of linear matrix equations via nuclear norm minimization［J］. SIAM Review， 2010，52（3）：471-501.
［26］ FAZEL M. Matrix Rank Minimization with Applications［D］. Palo Alto， USA： Stanford University， 2002.
［27］ TOH K C， YUN S. An accelerated proximal gradient algorithm for nuclear norm regularized linear least squares problems［J］. Pacific Journal of Optimization， 2010，6（3）：615-640.
［28］ BECK A， TEBOULLE M. A fast iterative shrinkage thresholding algorithm for linear inverse pro-blems［J］. SIAM Journal on Imaging Sciences， 2009，2（1）：183-202.
［29］ ZHANG D B， HU Y， YE J P， et al. Matrix completion by truncated nuclear norm regularization［C］// 2012 IEEE Conference on Computer Vision and Pattern Recognition. IEEE， 2012：2192-2199.
［30］ XU Z Q， HE R， XIE S L， et al. Adaptive rank estimate in robust principal component analysis［C］// Proceedings of 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. IEEE， 2021：6577-6586.

[1]	张志能, 黄学军. 一种基于联合加权和截断的毫米波大规模MIMO信道估计[J]. 计算机与现代化, 2024, 0(04): 1-4.
[2]	史清林, 刘丽哲, 李行健. 基于大规模MIMO的散射信道估计技术[J]. 计算机与现代化, 2022, 0(12): 18-25.
[3]	金龙, 吴游, 张泳翔. 基于改进SRGAN的OFDM信道估计方法[J]. 计算机与现代化, 2021, 0(10): 112-118.
[4]	陈亮亮，刘玉莹，詹春. 改进的OFDM系统半盲信道估计算法[J]. 计算机与现代化, 2014, 0(12): 83-86.
[5]	刘如意. 基于虚拟视图和低秩矩阵恢复的视点间预测[J]. 计算机与现代化, 2013, 1(8): 19-22.
[6]	龚松;刘莉. OFDM系统的信道估计与检测方法研究[J]. 计算机与现代化, 2013, 1(5): 131-134.
[7]	徐轩;周力. LTE上行链路信道估计的算法研究[J]. 计算机与现代化, 2012, 1(9): 174-177.